基于PCA和ICA的人脸识别

刘直芳; 游志胜; 王运琼

高级检索

ISSN 1001-3806CN 51-1125/TN 网站地图

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于PCA和ICA的人脸识别

刘直芳 , 游志胜 , 王运琼

文章导航 > 激光技术 > 2004 > 28(1): 78-81

引用本文:

Citation:

基于PCA和ICA的人脸识别

1.
四川大学, 图形图像研究所, 成都, 610064

作者简介: 刘直芳(1974- ),女,博士研究生,现从事图像处理、计算机视觉、模式识别、人工智能、智能交通方面和人脸检测识别的科研工作.E-mail:liuzhifang7563@163.com.

中图分类号: TP391.41

Face recognition based on PCA and ICA

1.
Institute of Image & Graphic, Sichuan University, Chengdu 610064, China
CLC number: TP391.41

摘要: 提出利用主成分分析(PCA)和独立成分分析(ICA)相结合的方法对人脸进行识别。首先对预处理后的图像进行降维,即利用PCA算法对图像进行去二阶相关和降维处理,然后再利用ICA算法获得人脸影像独立基成分,利用人脸影像独立基来构造一子空间,最后利用待识别图像在这个空间上的投影系数进行人脸识别。从两个不同的数据集,将传统的PCA人脸识别算法和提出的人脸识别算法进行比较。从实验数据结果看,提出的PCA和ICA结合人脸识别算法优于传统的PCA人脸识别算法。
- 主成分分析 /
- 独立成分分析 /
- 人脸识别 /
- 特征脸 /
- 独立影像基
Abstract: This paper proposes the face recognition method based on principle component analysis (PCA) and independent component analysis (ICA). PCA and ICA are both multivariable data statistics.In order to reduce dimension and sec order correlation,firstly,the image data can be processed by PCA,and then the independent image basis can be got using ICA,finally,face recognition is processed in the subspace. In our experiments,the proposed methods have been successfully evaluated using two different datasets,and PCA and ICA method are compared.The experimental results show that ICA face recognition method is superior to PCA method.
- principle component analysis(PCA) /
- independent component analysis(ICA) /
- face recognition /
- eigenface /
- independent basis image

[1]	BARTLETT M S.Face image analysis by unsupervised learning and redundancy reduction. Ph.D Thesis of University of California,1998.27～37.
[2]	SIROVICH L,KIRBY M.J O S A,1987,4(3):519～524.
[3]	TURK M A,PENTLAND A P.J Cognitive Neurosci,1994,3(1):71～86.
[4]	COMON P.Signal Processing,1994,36(3):287～314.
[5]	HYVARINEN A.IEEE Trans on Neural Networks,1999,10(3):626～634

[1]	刘直芳 , 游志胜 , 张继平 . 基于RMFA-ICA的人脸识别. 激光技术, 2005, 29(6): 662-666.
[2]	赵明华 , 游志胜 , 余静 , 熊运余 . 采用CASPCM模型进行姿势鲁棒性人脸识别. 激光技术, 2006, 30(4): 429-431,435.
[3]	陈丽霞 , 范士勇 , 刘鑫 , 王虹 , 李昆仑 . 融合半监督降维与稀疏表示的人脸识别方法. 激光技术, 2015, 39(1): 82-84. doi: 10.7510/jgjs.issn.1001-3806.2015.01.016
[4]	季佳华 , 王继芬 , 王冠翔 , 卫辰洁 , 高舒娴 . 基于径向基函数的水性木器漆喇曼光谱鉴别. 激光技术, 2020, 44(6): 762-767. doi: 10.7510/jgjs.issn.1001-3806.2020.06.020
[5]	柳赟 , 孙淑艳 . 基于主成分分析与曲面拟合的激光点云滤波去噪. 激光技术, 2020, 44(4): 497-502. doi: 10.7510/jgjs.issn.1001-3806.2020.04.017
[6]	何松 , 苏亚 , 姚晓天 , 郝鹏 , 崔省伟 , 蔡开明 , 孙金豪 . 基于OCT高危人群糖尿病筛查方法. 激光技术, 2024, 48(3): 312-317. doi: 10.7510/jgjs.issn.1001-3806.2024.03.003
[7]	姜红 , 王欣 , 徐乐乐 , 朱晓晗 . X射线荧光光谱结合多元统计学检验纸张灰烬. 激光技术, 2021, 45(3): 318-321. doi: 10.7510/jgjs.issn.1001-3806.2021.03.009
[8]	谷玲 , 黄奇峰 , 马超群 , 史院平 , 陈国庆 , 高淑梅 . 液态纯牛奶的3维荧光光谱特性与成分分析. 激光技术, 2011, 35(6): 742-744,769. doi: 10.3969/j.issn.1001-3806.2011.06.005
[9]	马翠红 , 崔金龙 . 基于改进的偏最小二乘法的LIBS钢液成分定量分析. 激光技术, 2016, 40(6): 876-881. doi: 10.7510/jgjs.issn.1001-3806.2016.06.021
[10]	赵明华 , 游志胜 , 赵永刚 , 吕学斌 . 基于NSA多尺度模型的人脸识别. 激光技术, 2006, 30(1): 107-109.
[11]	马女杰 , 高向东 , 周晓虎 , 张艳喜 . 磁场激励下焊接缺陷磁光成像特征分析. 激光技术, 2018, 42(4): 525-530. doi: 10.7510/jgjs.issn.1001-3806.2018.04.017
[12]	李彬 , 袁丰波 , 李福南 , 韦海英 , 张屹 . 同轴监测激光深熔焊熔池小孔的特征分析. 激光技术, 2017, 41(2): 255-259. doi: 10.7510/jgjs.issn.1001-3806.2017.02.022
[13]	杜亮亮 , 高向东 , 张南峰 , 季玉坤 . 激光焊接裂纹磁光成像频域特征分析. 激光技术, 2020, 44(2): 226-231. doi: 10.7510/jgjs.issn.1001-3806.2020.02.016
[14]	张艳月 , 张宝华 , 赵云飞 , 吕晓琪 , 谷宇 , 李建军 . 基于双通道深度密集特征融合的遥感影像分类. 激光技术, 2021, 45(1): 73-79. doi: 10.7510/jgjs.issn.1001-3806.2021.01.013
[15]	王雪艳 , 刘缠牢 . 独立模式反演算法在激光粒度测试中的应用研究. 激光技术, 2011, 35(3): 352-355,387. doi: 10.3969/j.issn.1001-3806.2011.03.017
[16]	吉选芒 , 王金来 , 刘劲松 . 串联光折变晶体回路中独立孤子对的温度特性. 激光技术, 2007, 31(1): 102-105.
[17]	吉选芒 , 姚纪欢 , 姜其畅 , 刘劲松 . 双光子独立屏蔽光伏孤子对的演化和自偏转. 激光技术, 2012, 36(2): 165-169. doi: 10.3969/j.issn.1001-3806.2012.02.005
[18]	吉选芒 , 王金来 , 姜其畅 , 刘劲松 . 1维中心对称双光子光折变独立空间孤子对的演化. 激光技术, 2013, 37(2): 182-186. doi: 10.7510/jgjs.issn.1001-3806.2013.02.011
[19]	黄威威 , 游德勇 , 高向东 , 张艳喜 , 黄宇辉 . 基于相关分析和神经网络的激光焊接稳态识别. 激光技术, 2022, 46(3): 312-319. doi: 10.7510/jgjs.issn.1001-3806.2022.03.004
[20]	冯玮 , 王玉德 , 张磊 . 加权联合降维的深度特征提取与分类识别算法. 激光技术, 2018, 42(5): 666-672. doi: 10.7510/jgjs.issn.1001-3806.2018.05.016

点击查看大图

计量

文章访问数: 3544
HTML全文浏览量: 865
PDF下载量: 610
被引次数: 0

基于PCA和ICA的人脸识别

作者简介: 刘直芳(1974- ),女,博士研究生,现从事图像处理、计算机视觉、模式识别、人工智能、智能交通方面和人脸检测识别的科研工作.E-mail:liuzhifang7563@163.com

1. 四川大学, 图形图像研究所, 成都, 610064

收稿日期: 2003-03-28
录用日期: 2003-08-17
网络出版日期: 2004-01-25

关键词:

摘要: 提出利用主成分分析(PCA)和独立成分分析(ICA)相结合的方法对人脸进行识别。首先对预处理后的图像进行降维,即利用PCA算法对图像进行去二阶相关和降维处理,然后再利用ICA算法获得人脸影像独立基成分,利用人脸影像独立基来构造一子空间,最后利用待识别图像在这个空间上的投影系数进行人脸识别。从两个不同的数据集,将传统的PCA人脸识别算法和提出的人脸识别算法进行比较。从实验数据结果看,提出的PCA和ICA结合人脸识别算法优于传统的PCA人脸识别算法。